在埃里克托普《颠覆医疗》一书中有过数字化人类的描述：

　　通过将肉体置于我们外延的神经系统中，通过电子媒体的方式，我们建立起一个动态系统，将快速成熟的数字化、非医学领域的移动设备、云计算和社交网络与蓬勃发展的基因组学、生物传感器和先进成像技术的数字化医学领域合为一体，将这些工具和能力加以综合，我们就能为每一个人获取关于ta的解剖学、生理和生物数据。　　

 

　　当我们将所有的这些能力聚集在一起时，就创造出了一个虚拟人，最终完成对人体的数据化。

　　确实，我们知道人的心脏一生要跳动30亿次，每天泵出的血液为6-8吨，呼吸超过6亿次。人每天的心电数据超过300兆，人体的各种数据如果都能够一一被采集下来，将是多么美好的画面。

　　无论是有着上千年历史的中医，还是数百年发展的西方医学里，医院在对病人做医疗检测和诊断时，一般是基于对患者的各项体征、生化、生理电信号、器官形态影像上进行数据采样，并结合医生的人脑经验模型进行医疗诊断和治疗。

　　这样的数据采样是基于一个单点的时点和空间进行观察，对于一些在院内静态情况下无法捕捉到的疾病会会进行院外追踪，比如动态心电图(holter)会采集连续24小时的心电数据，然后由专业的判读人员进行判读，结合患者的其他临床表现和体征，给予综合的心脏诊断报告。

　　但对于数据化一个人，这些数据很显然是不够的。　

 

　　如何在一个更长的时间维度上，对人体进行更全面的数据采集和汇总，如糖尿病、高血压、心脏病、体检、运动、睡眠数据等多个场景，并让医疗健康生态链上的各个角色都能够使用上这份完整的数据，是否能造福每一个生命?带着这个问题，阿里云大数据平台联合医疗生态伙伴，针对心脏健康管理课题，大胆地做了尝试。

　　首先是数据采集。心电采集需要解答的第一个问题是，在哪采、怎么采、如何汇总并流转到一个中枢上来?

　　目前智能硬件设备正在蓬勃开花，在琳琅满目的设备中间，阿里云和深圳中瑞奇的“好朋友”家用心电图机首次合作，通过这一面向用户自用的心电图机来采集心电数据。但光依赖心电数据并不足以做出判读，如何将更多数据结构化并把授权管理的权利还给用户?

　　如果将一个人的数据细分来看，包括了院内生化检验数据、运动数据、饮食数据、体征数据、诊断数据、睡眠数据。

　　从采集渠道来看，生化检验数据、体征数据是低频次采集的，一般需要通过医院、体检中心采集;而运动数据、睡眠数据则通过手环陀螺仪、家用睡眠监测仪等设备是被高频次采集的，饮食数据处在缺位采集状态，心脏病日常管理用到的心电数据则属于中频，通过可穿戴医疗设备来采集。